华人研究团队揭秘

自我反思（尤其是肤浅的）有时对模型性能的助益不大。在过去这半个月里，关于DeepSeek的一切都会迅速成为焦点。一项非常鼓舞人心的发现是:DeepSeek-R1-Zero通过纯强化学习（RL）实现了「顿悟」。在那个瞬间，模型学会了自我反思等涌现技能，帮助它进行上下文搜索，从而解决复杂的推理问题。